基于MRMR和双重注意力机制的城市能源多元负荷短期预测

白冰青; 刘江涛; 王旭; 蒋传文; 江婷; 张沈习

doi:10.7500/AEPS20211209006

您当前的位置：

首页 >

文章列表页 >

基于MRMR和双重注意力机制的城市能源多元负荷短期预测

“双碳”目标下的城市能源系统 | 更新时间：2025-06-16

- 基于MRMR和双重注意力机制的城市能源多元负荷短期预测
- Short-term Multivariate Load Forecasting for Urban Energy Based on Minimum Redundancy Maximum Relevance and Dual-Attention Mechanism
- 电力系统自动化 2022年46卷第17期页码：44-55
- 作者机构：
  
  1.电力传输与功率变换控制教育部重点实验室(上海交通大学),上海市 200240
  2.南京电力设计研究院有限公司,江苏省南京市 210036
- 作者简介：
  
  白冰青(1998—)，男，硕士研究生，主要研究方向：综合能源系统、短期负荷预测、电力系统优化运行。E-mail：zhe.bbq@sjtu.edu.cn
  刘江涛(1987—)，男，高级工程师，主要研究方向：电力系统规划、输电线路、电缆设计。
  王旭(1989—)，男，通信作者，博士，副教授，硕士生导师，主要研究方向：电力系统优化运行、智能电网、新能源、弹性配电网。E-mail：wangxu1989@sjtu.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(51907120);上海市青年科技英才扬帆计划资助项目(19YF1423600);国家重点研发计划资助项目(2018YFB0905200)
- DOI：10.7500/AEPS20211209006
  中图分类号：
- 收稿日期：2021-12-09，
  
  修回日期：2022-02-25，
  
  网络出版日期：2022-07-01，
  
  纸质出版日期：2022-09-10
- 稿件说明：
移动端阅览
白冰青,刘江涛,王旭等.基于MRMR和双重注意力机制的城市能源多元负荷短期预测[J].电力系统自动化,2022,46(17):44-55.

BAI Bingqing,LIU Jiangtao,WANG Xu,et al.Short-term Multivariate Load Forecasting for Urban Energy Based on Minimum Redundancy Maximum Relevance and Dual-Attention Mechanism[J].Automation of Electric Power Systems,2022,46(17):44-55.
白冰青,刘江涛,王旭等.基于MRMR和双重注意力机制的城市能源多元负荷短期预测[J].电力系统自动化,2022,46(17):44-55. DOI： 10.7500/AEPS20211209006.

BAI Bingqing,LIU Jiangtao,WANG Xu,et al.Short-term Multivariate Load Forecasting for Urban Energy Based on Minimum Redundancy Maximum Relevance and Dual-Attention Mechanism[J].Automation of Electric Power Systems,2022,46(17):44-55. DOI： 10.7500/AEPS20211209006.

摘要

为支撑城市能源系统的经济调度和优化运行，将最小冗余最大相关性（MRMR）分析方法与基于双重注意力机制和序列到序列（Seq2Seq）的神经网络相结合，提出一种新型城市能源系统多元负荷短期预测方法。首先，确定目标预测负荷，以MRMR为标准筛选特征序列集，既保持了低冗余度，又保证了输入序列信息的完整性；然后，在Seq2Seq模型基础上，将双重注意力机制融入长短期记忆网络，增强了算法对特征序列时空特征的学习能力；最后，以美国亚利桑那州立大学城市能源系统的实测负荷数据为例进行分析。实验结果表明，所提方法相比现有预测方法具有更高的预测精度和充足的鲁棒性，在4个季节和不同气象误差下都具有良好的表现，可以为城市能源系统的调度运行提供有力的决策依据。

Abstract

In order to support the economic scheduling and optimal operation of the urban energy system

a new short-term multivariate load forecasting method for the urban energy system is proposed by combining the minimum redundancy maximum correlation (MRMR) analysis method with the neural network based on the dual-attention mechanism and sequence-to-sequence (Seq2Seq). Firstly

the target forecasting load is determined

and MRMR is used as the criterion to screen the characteristic sequence set

which not only maintains low redundancy but also ensures the integrity of input sequence information. Then

based on the Seq2Seq model

the dual-attention mechanism is integrated into the long short-term memory network to enhance the learning ability of the algorithm for the temporal-spatial characteristics of the characteristic sequence. Finally

the measured load data of the urban energy system in Arizona State University

USA is taken as an example for analysis. The experimental results show that compared with the existing forecasting methods

the proposed method has higher forecasting accuracy and sufficient robustness

and performs well in four seasons and with different meteorological errors

which can provide a powerful decision basis for the scheduling operation of the urban energy system.

关键词

Keywords

references

张运洲，代红才，吴潇雨，等 . 中国综合能源服务发展趋势与关键问题［J］. 中国电力， 2021 ， 54 （ 2 ）： 1 - 10 .

ZHANG Yunzhou ， DAI Hongcai ， WU Xiaoyu ， et al . Development trends and key issues of China's integrated energy services ［J］. Electric Power ， 2021 ， 54 （ 2 ）： 1 - 10 .

程耀华，张宁，康重庆，等 . 低碳多能源系统的研究框架及展望［J］. 中国电机工程学报， 2017 ， 37 （ 14 ）： 4060 - 4069 .

CHENG Yaohua ， ZHANG Ning ， KANG Chongqing ， et al . Research framework and prospects of low-carbon multiple energy systems ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 14 ）： 4060 - 4069 .

王泽森，石岩，唐艳梅，等 . 考虑LCA能源链与碳交易机制的综合能源系统低碳经济运行及能效分析［J］. 中国电机工程学报， 2019 ， 39 （ 6 ）： 1614 - 1626 .

WANG Zesen ， SHI Yan ， TANG Yanmei ， et al . Low carbon economy operation and energy efficiency analysis of integrated energy systems considering LCA energy chain and carbon trading mechanism ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 6 ）： 1614 - 1626 .

白雪亮 . 城市综合体建筑负荷预测研究［D］. 北京：华北电力大学， 2018 .

BAI Xueliang . Research on load forecasting of urban complex ［D］. Beijing ： North China Electric Power University ， 2018 .

DIEKERHOF M ， SCHWARZ S ， MARTIN F ， et al . Distributed optimization for scheduling electrical demand in complex city districts ［J］. IEEE Systems Journal ， 2018 ， 12 （ 4 ）： 3226 - 3237 .

JIN X L ， QI F Y ， WU Q W ， et al . Integrated optimal scheduling and predictive control for energy management of an urban complex considering building thermal dynamics ［J］. International Journal of Electrical Power & Energy Systems ， 2020 ， 123 ： 106273 .

景锐 . 城市综合能源系统优化与评价方法研究［D］. 厦门：厦门大学， 2019 .

JING Rui . Research on optimization and evaluation of integrated urban energy systems ［D］. Xiamen ： Xiamen University ， 2019 .

贾宏杰，王丹，徐宪东，等 . 区域综合能源系统若干问题研究［J］. 电力系统自动化， 2015 ， 39 （ 7 ）： 198 - 207 .

JIA Hongjie ， WANG Dan ， XU Xiandong ， et al . Research on some key problems related to integrated energy systems ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 7 ）： 198 - 207 .

吉平，周孝信，宋云亭，等 . 区域可再生能源规划模型述评与展望［J］. 电网技术， 2013 ， 37 （ 8 ）： 2071 - 2079 .

JI Ping ， ZHOU Xiaoxin ， SONG Yunting ， et al . Review and prospect of regional renewable energy planning models ［J］. Power System Technology ， 2013 ， 37 （ 8 ）： 2071 - 2079 .

CONG H ， HE Y ， WANG X ， et al . Robust optimization for improving resilience of integrated energy systems with electricity and natural gas infrastructures ［J］. Journal of Modern Power Systems and Clean Energy ， 2018 ， 6 （ 5 ）： 1066 - 1078 .

ZHOU Y Z ， GU C H ， WU H ， et al . An equivalent model of gas networks for dynamic analysis of gas-electricity systems ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 6 ）： 4255 - 4264 .

YANG J W ， ZHANG N ， BOTTERUD A ， et al . On an equivalent representation of the dynamics in district heating networks for combined electricity-heat operation ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 1 ）： 560 - 570 .

朱继忠，董瀚江，李盛林，等 . 数据驱动的综合能源系统负荷预测综述［J］. 中国电机工程学报， 2021 ， 41 （ 23 ）： 7905 - 7924 .

ZHU Jizhong ， DONG Hanjiang ， LI Shenglin ， et al . Review of data-driven load forecasting for integrated energy system ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 23 ）： 7905 - 7924 .

雷绍兰，孙才新，周湶，等 . 电力短期负荷的多变量时间序列线性回归预测方法研究［J］. 中国电机工程学报， 2006 ， 26 （ 2 ）： 25 - 29 .

LEI Shaolan ， SUN Caixin ， ZHOU Quan ， et al . The research of local linear model of short-term electrical load on multivariate time series ［J］. Proceedings of the CSEE ， 2006 ， 26 （ 2 ）： 25 - 29 .

LAOUAFI A ， MORDJAOUI M ， LAOUAFI F ， et al . Daily peak electricity demand forecasting based on an adaptive hybrid two-stage methodology ［J］. International Journal of Electrical Power & Energy Systems ， 2016 ， 77 ： 136 - 144 .

麦鸿坤，肖坚红，吴熙辰，等 . 基于R语言的负荷预测ARIMA模型并行化研究［J］. 电网技术， 2015 ， 39 （ 11 ）： 3216 - 3220 .

MAI Hongkun ， XIAO Jianhong ， WU Xichen ， et al . Research on ARIMA model parallelization in load prediction based on R language ［J］. Power System Technology ， 2015 ， 39 （ 11 ）： 3216 - 3220 .

李龙，魏靖，黎灿兵，等 . 基于人工神经网络的负荷模型预测［J］. 电工技术学报， 2015 ， 30 （ 8 ）： 225 - 230 .

LI Long ， WEI Jing ， LI Canbing ， et al . Prediction of load model based on artificial neural network ［J］. Transactions of China Electrotechnical Society ， 2015 ， 30 （ 8 ）： 225 - 230 .

谢敏，邓佳梁，吉祥，等 . 基于信息熵和变精度粗糙集优化的支持向量机降温负荷预测方法［J］. 电网技术， 2017 ， 41 （ 1 ）： 210 - 214 .

XIE Min ， DENG Jialiang ， JI Xiang ， et al . Cooling load forecasting method based on support vector machine optimized with entropy and variable accuracy roughness set ［J］. Power System Technology ， 2017 ， 41 （ 1 ）： 210 - 214 .

LI C D ， TANG M J ， ZHANG G Q ， et al . A hybrid short-term building electrical load forecasting model combining the periodic pattern， fuzzy system， and wavelet transform ［J］. International Journal of Fuzzy Systems ， 2020 ， 22 （ 1 ）： 156 - 171 .

YANG A L ， LI W D ， YANG X . Short-term electricity load forecasting based on feature selection and least squares support vector machines ［J］. Knowledge-Based Systems ， 2019 ， 163 ： 159 - 173 .

李红梅 . 机器学习方法和统计建模方法的预测比较研究［D］. 昆明：云南师范大学， 2016 .

LI Hongmei . Comparative study on the machine learning prediction methods and the statistical modeling prediction methods ［D］. Kunming ： Yunnan Normal University ， 2016 .

RESHEF D N ， RESHEF Y A ， FINUCANE H K ， et al . Detecting novel associations in large data sets ［J］. Science ， 2011 ， 334 ： 1518 - 1524 .

PENG H C ， LONG F H ， DING C . Feature selection based on mutual information： criteria of max-dependency， max-relevance， and min-redundancy ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2005 ， 27 （ 8 ）： 1226 - 1238 .

赵雅雪，王旭，蒋传文，等 . 基于最大信息系数相关性分析和改进多层级门控LSTM的短期电价预测方法［J］. 中国电机工程学报， 2021 ， 41 （ 1 ）： 135 - 146 .

ZHAO Yaxue ， WANG Xu ， JIANG Chuanwen ， et al . A novel short-term electricity price forecasting method based on correlation analysis with the maximal information coefficient and modified multi-hierachy gated LSTM ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 1 ）： 135 - 146 .

SUN G P ， JIANG C W ， CHENG P ， et al . Short-term wind power forecasts by a synthetical similar time series data mining method ［J］. Renewable Energy ， 2018 ， 115 ： 575 - 584 .

周飞燕，金林鹏，董军 . 卷积神经网络研究综述［J］. 计算机学报， 2017 ， 40 （ 6 ）： 1229 - 1251 .

ZHOU Feiyan ， JIN Linpeng ， DONG Jun . Review of convolutional neural network ［J］. Chinese Journal of Computers ， 2017 ， 40 （ 6 ）： 1229 - 1251 .

杨丽，吴雨茜，王俊丽，等 . 循环神经网络研究综述［J］. 计算机应用， 2018 ， 38 （增刊2 ）： 1 - 6 .

YANG Li ， WU Yuxi ， WANG Junli ， et al . Research on recurrent neural network ［J］. Journal of Computer Applications ， 2018 ， 38 （ Supplement 2 ）： 1 - 6 .

HOCHREITER S ， SCHMIDHUBER J . Long short-term memory ［J］. Neural Computation ， 1997 ， 9 （ 8 ）： 1735 - 1780 .

GERS F A ， SCHMIDHUBER J ， CUMMINS F . Learning to forget： continual prediction with LSTM ［J］. Neural Computation ， 2000 ， 12 （ 10 ）： 2451 - 2471 .

罗凤章，张旭，杨欣，等 . 基于深度学习的综合能源配电系统负荷分析预测［J］. 高电压技术， 2021 ， 47 （ 1 ）： 23 - 32 .

LUO Fengzhang ， ZHANG Xu ， YANG Xin ， et al . Load analysis and prediction of integrated energy distribution system based on deep learning ［J］. High Voltage Engineering ， 2021 ， 47 （ 1 ）： 23 - 32 .

栗然，孙帆，丁星，等 . 考虑多能时空耦合的用户级综合能源系统超短期负荷预测方法［J］. 电网技术， 2020 ， 44 （ 11 ）： 4121 - 4134 .

LI Ran ， SUN Fan ， DING Xing ， et al . Ultra short-term load forecasting for user-level integrated energy system considering multi-energy spatio-temporal coupling ［J］. Power System Technology ， 2020 ， 44 （ 11 ）： 4121 - 4134 .

朱张莉，饶元，吴渊，等 . 注意力机制在深度学习中的研究进展［J］. 中文信息学报， 2019 ， 33 （ 6 ）： 1 - 11 .

ZHU Zhangli ， RAO Yuan ， WU Yuan ， et al . Research progress of attention mechanism in deep learning ［J］. Journal of Chinese Information Processing ， 2019 ， 33 （ 6 ）： 1 - 11 .

田浩含，张智晟，于道林 . 基于改进LSTM的区域综合能源系统多元负荷短期预测研究［J］. 电力系统及其自动化学报， 2021 ， 33 （ 9 ）： 130 - 137 .

TIAN Haohan ， ZHANG Zhisheng ， YU Daolin . Research on multi-load short-term forecasting of regional integrated energy system based on improved LSTM ［J］. Proceedings of the CSU-EPSA ， 2021 ， 33 （ 9 ）： 130 - 137 .

陈锦鹏，胡志坚，陈纬楠，等 . 二次模态分解组合DBiLSTM-MLR的综合能源系统负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 13 ）： 85 - 94 .

CHEN Jinpeng ， HU Zhijian ， CHEN Weinan ， et al . Load prediction of integrated energy system based on combination of quadratic modal decomposition and deep bidirectional long short-term memory and multiple linear regression ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 13 ）： 85 - 94 .

俞鸿飞 . 序列到序列模型优化的若干方法研究［D］. 苏州：苏州大学， 2020 .

YU Hongfei . Research on several methods for sequence-to-sequence model optimization ［D］. Suzhou ： Soochow University ， 2020 .

QIN Y ， SONG D J ， CHEN H F ， et al . A dual-stage attention-based recurrent neural network for time series prediction ［C］// 26th International Joint Conference on Artificial Intelligence ， August 19-26 ， 2017 ， Melbourne， Australia .

Campus metabolism ［DB/OL］. ［ 2021-09-25 ］. http：//cm.asu.edu/ http://cm.asu.edu/ .

NSRDB data viewer ［DB/OL］. ［ 2021-09-25 ］. https：//maps.nrel.gov/nsrdb-viewer/ https://maps.nrel.gov/nsrdb-viewer/ .

REICHENSTEIN W R . Rationality of naive forecasts of long-term rates ［J］. The Journal of Portfolio Management ， 2006 ， 32 （ 2 ）： 116 - 119 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向韧性的城市能源系统安全规则提取及优化运行

基于全局灵敏度分析的电气互联系统韧性提升方法

“双碳”目标下城市能源系统的形态结构和发展路径

面向城市能源系统分布式资源的边缘智能技术综述